Grænseflader mellem hjerne og maskine: Din hjerne i aktion

Udgivet: 13. november 2013

Forfattere

Jose M. Carmena, José del R. Millán

Hjerne-maskine-grænseflader (BMI), eller hjerne-computer-grænseflader, er et spændende tværfagligt område, som er vokset enormt i løbet af det sidste årti. Kort sagt handler BMI om at omdanne tanke til handling og følelse til opfattelse. I et BMI-system føres neurale signaler, der er optaget fra hjernen, ind i en afkodningsalgoritme, der oversætter disse signaler til motorisk output. Dette omfatter styring af en computermarkør, styring af en kørestol eller kørsel af en robotarm. En lukket kontrolsløjfe etableres typisk ved at give forsøgspersonen visuel feedback på protesen. BMI’er har et enormt potentiale til i høj grad at forbedre livskvaliteten for millioner af mennesker, der lider af rygmarvsskade, slagtilfælde, amyotrofisk lateral sklerose og andre alvorligt invaliderende tilstande [1].

Et vigtigt aspekt af et BMI er evnen til at skelne mellem forskellige mønstre af hjerneaktivitet, som hver især er forbundet med en bestemt hensigt eller mental opgave. Derfor er tilpasning en nøglekomponent i et BMI, fordi brugerne på den ene side skal lære at kontrollere deres neurale aktivitet for at generere forskellige hjernemønstre, mens maskinlæringsteknikker (matematiske måder at vælge mønstre ud af komplekse data) på den anden side bør opdage de individuelle hjernemønstre, der kendetegner de mentale opgaver, som brugeren udfører. I bund og grund er et BMI et system med to indlærere.

Hjerne-maskine-grænseflader findes på både invasive og ikke-invasive niveauer. Invasive teknikker kræver hjernekirurgi for at placere registreringselektroder direkte på eller i hjernen. Eksempler på førstnævnte er BMI’er, der bruger intrakortikale multielektrode-arrays implanteret i hjernen, og elektrokortikografi (ECoG)-optagelser direkte fra hjernens blottede overflade. Ikke-invasive teknikker omfatter elektroencefalografi (EEG)-optagelser fra hovedbunden – dvs. uden for kraniet (figur 1, boks 1). EEG- og EKoG-teknikker måler spændingsudsving som følge af strøm, der flyder i hjernens neuroner. På bekostning af at være invasive har EKoG-signaler bedre rumlig opløsning (millimeter!) og signal-støj-egenskaber (større klart signal) end EEG-signaler, og intrakortikale multielektrode-arrays er de mest invasive af de tre teknikker. Disse elektroder registrerer to forskellige typer signaler: udladningen af individuelle neuroner (dvs. spikes), kendt som single-unit-aktivitet (SUA), og den summerede synaptiske strøm, der flyder over det lokale ekstracellulære rum omkring en implanteret elektrode, kendt som det lokale feltpotentiale (LFP).

Figur 1: Din hjerne i aktion. De forskellige komponenter i en Brain-machine interface (BMI) omfatter optagelsessystemet, afkodningsalgoritmen, den enhed, der skal styres, og den feedback, der leveres til brugeren [2].

Forskere, der arbejder med EEG-signaler, har gjort det muligt for mennesker med svære motoriske handicap at styre en række forskellige apparater mentalt, fra tastaturer til kørestole (figur 2). Nogle få svært handicappede bruger i dag regelmæssigt en EEG-baseret BMI til kommunikationsformål. De vigtigste begrænsninger ved EEG-signaler er det omfattende behov for maskinlæringsteknikker og behovet for at kombinere BCI-systemer (brain-computer interface) med smart interaktion design og udstyr. Undersøgelser, der bruger ECoG-signaler, har vist et lovende bevis på konceptet for motorisk neuroprostetik og for rekonstruktion af tale fra menneskets auditive cortex – et grundlæggende skridt mod at give folk mulighed for at tale igen ved at afkode forestillet tale.

Figur 2: Hjernestyret kørestol. Brugerne kan køre disse kørestole pålideligt og sikkert over lange perioder takket være indarbejdelsen af teknikker til delt kontrol (eller kontekstbevidsthed). Denne kørestol illustrerer fremtiden for intelligente neuroproteser, der ligesom vores rygmarv og bevægeapparat arbejder sammen med motoriske kommandoer, der afkodes fra brugerens hjernebark. Det fritager brugerne fra behovet for løbende at levere alle de nødvendige kontrolparametre på lavt niveau og reducerer dermed deres kognitive arbejdsbyrde [3].

På den intrakortikale optagelsesfront (dvs. ved hjælp af elektrodearrays til at registrere aktiviteten af enkelte neuroner) har de seneste fremskridt givet et “proof of concept”, der viser den teoretiske mulighed for at opbygge funktionelle BMI-systemer i den virkelige verden. Faktisk har det sidste årti budt på imponerende demonstrationer af neural kontrol af proteser hos gnavere, ikke-menneskelige primater og mennesker, der deltager i kliniske fase I-forsøg. Disse fremskridt vil accelerere kraftigt i løbet af de næste 5-10 år og forventes at føre til en lang række klinisk anvendelige løsninger til forskellige neurologiske tilstande.

Disse tilgange giver komplementære fordele, og en kombination af teknologier kan være nødvendig for at nå det ultimative mål om at genvinde motorisk funktion med BMI på et niveau, der gør det muligt for en patient ubesværet at udføre opgaver i dagligdagen [4]. Desuden bliver vi nødt til at kombinere praktiske BMI-værktøjer med smarte interaktionsdesigns og -enheder for at lette brugen over lange perioder og reducere den kognitive belastning [5]. BMI’s retning er således vendt fra “Kan et sådant system nogensinde bygges?” til “Hvordan bygger vi pålidelige, nøjagtige og robuste BMI-systemer, der er klinisk levedygtige?” Dette spørgsmål vil kræve, at man tager fat på følgende centrale udfordringer:

Den første er at designe fysiske grænseflader, der kan fungere permanent og vare hele livet. Ny hardware spænder fra tørre EEG-elektroder til biokompatible og fuldt implanterbare neurale grænseflader, herunder EKoG, LFP og SUA, fra flere hjerneområder. En væsentlig komponent i dem alle er trådløs transmission og ultra lavt strømforbrug. Det er vigtigt, at denne nye hardware kræver nye softwareløsninger. Kontinuerlig brug af et BMI skaber pr. definition plastiske ændringer i hjernens kredsløb. Det fører til ændringer i mønstrene i neurale signaler, der koder for brugerens intentioner. BMI’et og især afkodningsalgoritmen skal udvikles, efter at de er taget i brug. Maskinlæringsteknikker, som er avancerede matematiske måder at afkode signaler fra hjernen på, skal spore disse forandringer på en gennemsigtig måde, mens brugeren betjener den hjernestyrede enhed. Denne gensidige tilpasning mellem brugeren og BMI’en er ikke triviel.

Den anden udfordring er at afkode og integrere information om brugerens kognitive tilstand i systemet, som er afgørende for viljestyret interaktion. Det kan omfatte opmærksomhed på fejl begået af enheden, foregribelse af kritiske beslutningspunkter, svigtende opmærksomhed og træthed. Dette vil være afgørende for at reducere den kognitive arbejdsbyrde og lette den langsigtede drift. Kognitiv information skal kombineres med udlæsninger af forskellige aspekter af frivillig motorisk adfærd, fra kontinuerlige bevægelser til diskrete intentioner (f.eks. typer af greb; begyndelse af bevægelser), for at opnå naturlig, ubesværet betjening af komplekse proteser.

Den tredje store udfordring er at give realistisk sensorisk feedback, der formidler kunstig taktil og proprioceptiv information, dvs. bevidstheden om protesens position og bevægelse. Denne type sanseinformation har potentiale til at forbedre styringen af protesen betydeligt ved at give brugeren mulighed for at føle omgivelserne i tilfælde, hvor de naturlige sanseaffektorer er kompromitteret, enten gennem andre sanser eller ved at stimulere kroppen til at genvinde den tabte følelse. Mens den nuværende indsats mest er fokuseret på bred elektrisk stimulering af neuroner i sensoriske områder af hjernen, vil nye optogenetiske tilgange (dvs. at tænde og slukke hjerneceller med lys) give mulighed for mere selektiv stimulering af målrettede neuroner. På et mere perifert niveau er alternativerne elektrisk stimulering af perifere nerver og vibrotaktil stimulering i kropsområder, hvor patienterne stadig har en somatosensorisk opfattelse.

Endelig har BMI-teknologien et stort potentiale som et værktøj til neurovidenskabelig forskning, da den giver forskere en unik mulighed for direkte at kontrollere årsagssammenhængen mellem hjerneaktivitet, sensorisk input og adfærdsmæssigt output [6]. Derfor kan denne teknologi give ny indsigt i handlingens og opfattelsens neurobiologi.

Ordliste

Information om artiklen

[1] Nicolelis, M. A. 2001. Handlinger ud fra tanker. Nature 409:403-7. doi:10.1038/35053191

[2] Héliot, R., og Carmena, J. M. 2010. Grænseflader mellem hjerne og maskine. I Encyclopedia of Behavioral Neuroscience, red. G. F. Koob, M. Le Moal og R. F. Thompson, 221-5. Oxford: Academic Press.

[3] 3. Carlson, T. E., og Millán, J. d. R. 2013. Hjernekontrollerede kørestole: en robotarkitektur. IEEE Robot. Automot. Mag. 20:65–73. doi:10.1109/MRA.2012.2229936

[4] Millán, J. d. R., og Carmena, J. M. 2010. Invasiv eller ikke-invasiv: forståelse af hjerne-maskine-interfaceteknologi. IEEE Eng. Med. Biol. Mag. 29:16–22. doi:10.1109/MEMB.2009.935475

[5] Millán, J. d. R., Rupp, R., Müller-Putz, G. R., Murray-Smith, R., Giugliemma, C., Tangermann, M. et al. 2010. Kombination af hjerne-computer-grænseflader og hjælpeteknologier: state-of-the-art og udfordringer. Front. Neurosci. 4:161. doi:10.3389/fnins.2010.00161

[6] 6. Carmena, J. M. 2013. Fremskridt inden for neuroprostetisk læring og kontrol. PLoS Biol. 11:e1001561. doi:10.1371/journal.pbio.1001561

Carmena JM og Millán JdR (2013) Brain-Machine Interfaces: Din hjerne i aktion. På forsiden. Young Minds. 1:7. doi: 10.3389/frym.2013.00007
Robert Knight
Indsendt: 13. oktober 2013; Accepteret: 30. oktober 2013; Udgivet online: 13. november 2013.
Copyright © 2013 Carmena og Millán

Læs videre

Du ser bolden flyve mod dig, kun en halv meter væk. Du sprinter for at gribe den, mens du pumper dine ben så hårdt, du kan. Du griber bolden og holder fast i den med fingrene. Så hører du pludselig din mors stemme kalde på dig. Det går op for dig, at det er tid til aftensmad, så du skynder dig hjem igen. Hvordan kan alt dette ske? Du ved selvfølgelig, at din hjerne styrer din krop, men hvordan ved den, hvad dine øjne ser, eller hvordan får den dine ben til at løbe? Din hjerne består af milliarder af celler, der kaldes neuroner. Dine neuroner bærer information i form af elektriske impulser. Neuronerne kommunikerer med hinanden og resten af din krop ved særlige mødepunkter, der kaldes synapser.

Vores hjerner er som utroligt komplekse puslespil med milliarder af brikker, der har vokset og udviklet sig, siden før vi blev født. Men vidste du, at små, hårlignende strukturer på vores celler kaldet primære cilier spiller en stor rolle i denne proces? Primære cilier fungerer som antenner, der hjælper vores hjerneceller med at kommunikere, rejse og endda opbygge forbindelser ved at styre samlingen af dette store puslespil. Men når de primære fimrehår ikke kan dannes ordentligt eller ikke kan fungere problemfrit, kan det påvirke udviklingen af mange organer, herunder hjernen. Forskere har fundet ud af, at kortere eller færre primære cilier er forbundet med tilstande, der kan påvirke hjernens udvikling, herunder en gruppe lidelser, der kaldes ciliopatier. Ved at forstå betydningen af primære cilier kan vi finde ud af mere om hjernens udvikling og den rolle, cilier spiller i samlingen af dette store puslespil.

Som mennesker kan vi bruge ord som “sulten” og “mæt” til at kommunikere, hvornår vi har brug for at spise i løbet af dagen. Men mus, som ofte bruges til at studere spiseadfærd i laboratoriet, kan ikke fortælle os, hvad de føler. Vi trænede mus til at fortælle os, om de var sultne eller mætte. Derefter tændte og slukkede vi for bestemte celler i et hjerneområde kaldet hypothalamus for at se, om disse specifikke celletyper kunne få en mus til at føle sig sulten eller mæt. Vores forskning viste, at når vi tændte for bestemte hjerneceller i et område kaldet hypothalamus’ bueformede kerne, fik det musene til at rapportere, at de var sultne, selv om de lige havde spist, og deres maver burde føles fyldte. Disse resultater giver os et fingerpeg om, hvordan hjernen arbejder med at kontrollere sult.

Nogle gange kan børn ikke bo hos deres biologiske (biologiske) forældre. Det kan være, fordi forældrene er syge eller ude af stand til at tage sig af deres børn på grund af de udfordringer, forældrene står over for. I sådanne tilfælde kan plejefamilier træde til og hjælpe. En plejefamilie er som en anden familie, hvor børn kan bo midlertidigt, eller indtil de bliver voksne. Plejeforældrenes opgaver er de samme som alle andre forældres: De leger med børnene, tilbyder følelsesmæssig støtte, hjælper med lektier, sørger for mad og drikke, og sørger for et trygt hjemmemiljø. Ikke desto mindre er det en stor forandring at flytte til en ny familie, og det kan være en udfordring. Nogle børn kan være vrede eller kede af det, have svært ved at stole på nye mennesker eller have oplevet slemme ting. Det vigtigste er dog, at børn og plejeforældre ikke er alene i disse situationer. Der er et stort team, kaldet familieplejesystemet, som sørger for, at børn og forældre har det bedst muligt.

Tak for din tilmelding.

Du modtager om et øjeblik en e-mail med et link, hvor du bekræfter tilmeldingen.

Med venlig hilsen
MiLife